論文の概要: Spectral Algorithms for Community Detection in Directed Networks

• arxiv url: http://arxiv.org/abs/2008.03820v1
• Date: Sun, 9 Aug 2020 21:43:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 04:17:31.785314
• Title: Spectral Algorithms for Community Detection in Directed Networks
• Title（参考訳）: 有向ネットワークにおけるコミュニティ検出のためのスペクトルアルゴリズム
• Authors: Zhe Wang, Yingbin Liang and Pengsheng Ji
• Abstract要約: 有向ネットワークに対するD-SCOREアルゴリズムを導入し、クラスタリング前に隣接行列の特異ベクトルの要素ワイド比をとることにより、この効果を低減した。 統計的引用ネットワークにおいて有意な結果が得られたが、その性能に関する厳密な分析は欠如していた。 本稿では,有向次数補正ブロックモデルに対して,このアルゴリズムとその変種に対する理論的保証を確立する。
• 参考スコア（独自算出の注目度）: 46.91424250933143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Community detection in large social networks is affected by degree heterogeneity of nodes. The D-SCORE algorithm for directed networks was introduced to reduce this effect by taking the element-wise ratios of the singular vectors of the adjacency matrix before clustering. Meaningful results were obtained for the statistician citation network, but rigorous analysis on its performance was missing. First, this paper establishes theoretical guarantee for this algorithm and its variants for the directed degree-corrected block model (Directed-DCBM). Second, this paper provides significant improvements for the original D-SCORE algorithms by attaching the nodes outside of the community cores using the information of the original network instead of the singular vectors.
• Abstract（参考訳）: 大規模ソーシャルネットワークにおけるコミュニティ検出は,ノードの次数不均一性に影響される。 有向ネットワークに対するD-SCOREアルゴリズムを導入し、クラスタリング前に隣接行列の特異ベクトルの要素ワイド比をとることにより、この効果を低減した。 統計的引用ネットワークについて有意義な結果を得たが,その性能に関する厳密な分析は得られなかった。 まず, 有向次数補正ブロックモデル (Directed-DCBM) のアルゴリズムとその変種に関する理論的保証を確立する。 第2に,本論文は,D-SCOREアルゴリズムにおいて,特異ベクトルではなく,元のネットワークの情報を用いて,コミュニティコア外部のノードをアタッチすることで,大幅な改良を行う。

関連論文リスト

• Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms [49.1574468325115]
  本研究は,地域間類似度指標を用いた地域検出の関連性を評価するために,同じ手法を用いている。 これらの指標の有効性は,異なるコミュニティサイズを持つ複数の実ネットワークにベースアルゴリズムを適用して評価した。
  論文  参考訳（メタデータ） (2024-08-17T02:17:09Z)
• Semi-supervised Community Detection via Structural Similarity Metrics [0.0]
  本研究では,新しいノードのコミュニティラベルを推定することを目的とした,半教師付きコミュニティ検出問題について検討する。 本稿では,新しいノードとK$コミュニティ間の構造的類似度メトリック'を計算するアルゴリズムを提案する。 我々の知る限りでは、理論的な保証を提供する最初の半教師付きコミュニティ検出アルゴリズムである。
  論文  参考訳（メタデータ） (2023-06-01T19:02:50Z)
• Binarizing Sparse Convolutional Networks for Efficient Point Cloud Analysis [93.55896765176414]
  我々は,効率的な点群解析のためのBSC-Netと呼ばれるバイナリスパース畳み込みネットワークを提案する。 我々は,移動したスパース畳み込みにおけるサイトマッチングに最適なオプションを見つけるために,異なる検索戦略を採用している。 我々のBSC-Netは、我々の厳格なベースラインを大幅に改善し、最先端のネットワーク双対化手法より優れています。
  論文  参考訳（メタデータ） (2023-03-27T13:47:06Z)
• ARISE: Graph Anomaly Detection on Attributed Networks via Substructure Awareness [70.60721571429784]
  サブ構造認識(ARISE)による属性付きネットワーク上の新しいグラフ異常検出フレームワークを提案する。 ARISEは、異常を識別するグラフのサブ構造に焦点を当てている。 実験により、ARISEは最先端の属性付きネットワーク異常検出(ANAD)アルゴリズムと比較して、検出性能が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2022-11-28T12:17:40Z)
• Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
  補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。 この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• Distribution-Free Models for Community Detection [0.0]
  ノードを異なるコミュニティに分割するネットワークに対して,分散自由モデル (DFM) を提案する。 DFMは、非重み付きネットワークと重み付きネットワークの両方の一般的な、解釈可能な、識別可能なモデルである。 雑音行列を導入することにより、摂動解析の理論的枠組みを構築し、提案アルゴリズムが安定して一貫したコミュニティ検出をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-11-15T02:10:52Z)
• Consistency of random-walk based network embedding algorithms [13.214230533788932]
  node2vecアルゴリズムとDeepWalkアルゴリズムを行列ファクタリゼーションの観点から検討する。 その結果,観測ネットワークの幅,ランダムウォークのウィンドウサイズ,ノード2vec/DeepWalk埋め込みの収束率との微妙な相互作用が示唆された。
  論文  参考訳（メタデータ） (2021-01-18T22:49:22Z)
• Overlapping community detection in networks via sparse spectral decomposition [1.0660480034605242]
  各ノードが複数のコミュニティに属することができるネットワークにおいて,重複するコミュニティメンバシップを推定する問題を考える。 本アルゴリズムは,反復しきい値を用いたスパース主部分空間推定に基づく。 アルゴリズムの固定点がブロックモデルの下での正しいノードメンバシップに対応することを示す。
  論文  参考訳（メタデータ） (2020-09-20T07:31:09Z)
• KCoreMotif: An Efficient Graph Clustering Algorithm for Large Networks by Exploiting k-core Decomposition and Motifs [6.1734015475373765]
  スペクトルクラスタリングは、グラフ構造化データ(ネットワーク)の最も一般的なアルゴリズムの1つである そこで本稿では,kコア分解とモチーフを利用したグラフクラスタリングアルゴリズムKCoreMotifを提案する。 提案したグラフクラスタリングアルゴリズムは,大規模ネットワークに対して正確かつ効率的であることを示す。
  論文  参考訳（メタデータ） (2020-08-21T12:21:05Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。